物理学社区机器学习的需求、工具和资源
Physics Community Needs, Tools, and Resources for Machine Learning
Massachusetts Institute of Technology（麻省理工学院）；Fermi National Accelerator Laboratory（费米国家加速器实验室）；University of Minnesota（明尼苏达大学）；University of Washington（华盛顿大学）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of California San Diego（加州大学圣地亚哥分校）；Columbia University（哥伦比亚大学）；Purdue University（普渡大学）
摘要：
机器学习（ML）正在成为尖端物理研究中越来越重要的组成部分，但其计算需求带来了重大挑战。在本白皮书中，我们讨论了物理社区在延迟和吞吐量方面对ML的需求，提供解决这些需求的工具和资源，以及如何在未来几年中最好地利用和访问这些需求。
英文摘要：
Machine learning (ML) is becoming an increasingly important component of cutting-edge physics research, but its computational requirements present significant challenges. In this white paper, we discuss the needs of the physics community regarding ML across latency and throughput regimes, the tools and resources that offer the possibility of addressing these needs, and how these can be best utilized and accessed in the coming years.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
